1 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 滚动轴承故障识别研究现状
1.2.2 滚动轴承状态特征曲线与寿命预测研究现状
1.2.3 卷积神经网络研究现状
1.2.4 灰色模型研究现状
1.3 本文主要研究的内容
2 卷积神经网络及数据来源
2.1 卷积神经网络结构
2.2 卷积神经网络模型训练
2.2.1 前向传播
2.2.2 反向传播
2.2.3 Adam优化算法
2.3 数据来源
2.3.1 滚动轴承故障识别数据
2.3.2 滚动轴承全寿命数据
2.4 本章小结
3 基于信息平均卷积神经网络的滚动轴承故障识别
3.1 信息平均卷积神经网络算法
3.2.1 故障识别数据库
3.2.2 AICNN算法网络模型搭建
3.2.3 滚动轴承故障识别结果
3.3.1 分类过程可视化
3.3.2 神经元可视化
3.4 噪声干扰下的轴承故障识别
3.5 本章小结
4 基于回归卷积神经网络的滚动轴承状态特征曲线
4.1 回归卷积神经网络算法
4.2 连续小波变换
4.3.1 状态特征曲线数据库
4.3.2 RCNN算法网络模型搭建
4.3.3 状态特征曲线评估
4.4 本章小节
5 基于全阶时间幂灰色模型的滚动轴承寿命预测
5.1 近邻传播算法
5.2.1 FOTP-GM(1,1)模型理论
5.2.2 FOTP-GM(1,1)时间响应序列
5.2.3 FOTP-GM(1,1)模型的预测性能
5.2.4 全阶时间幂灰色寿命预测模型
5.3 滚动轴承寿命预测结果
5.4 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
附录
A. 作者在攻读硕士期间发表的论文目录
B. 作者在攻读硕士参与项目经历
C. 学位论文数据集
致谢
重庆大学;